面向照片增强的灵活分段曲线估计
计算机视觉与模式识别
2020-10-27 v1
摘要
本文提出一种称为 FlexiCurve 的照片增强新方法。与大多数执行图像到图像映射、需要昂贵逐像素重建的现有方法不同，FlexiCurve 接收输入图像并估计全局曲线来调整图像。调整曲线专为执行分段映射而特别设计，同时考虑非线性调整与可微性。为应对真实世界图像中具有挑战性和多样化的光照特性，FlexiCurve 被构建为一个多任务框架，以产生多样化的估计及相应的置信度图。这些估计被自适应融合以改善不同区域的局部增强。得益于图像到曲线的形式，对于尺寸为 512*512*3 的图像，FlexiCurve 仅需轻量网络（150K 可训练参数），且推理速度快（在单块 NVIDIA 2080Ti GPU 上 83FPS）。所提方法在不损害增强质量且不丢失原始图像细节的情况下提升了效率。该方法还具有吸引力的一点是它不限于配对训练数据，因此可灵活地从非配对数据中学习丰富的增强风格。大量实验表明，我们的方法在照片增强的定量与定性上均达到了 SOTA 性能。
引用
@article{arxiv.2010.13412,
title = {Flexible Piecewise Curves Estimation for Photo Enhancement},
author = {Chongyi Li and Chunle Guo and Qiming Ai and Shangchen Zhou and Chen Change Loy},
journal= {arXiv preprint arXiv:2010.13412},
year = {2020}
}
备注
16 pages